Modelando datos asimétricos mediante el modelo de regresión log-gamma-normal
Autores: Tovar-Falón, Roger; Martínez-Flórez, Guillermo; Bolfarine, Heleno
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
Categoría
Matemáticas
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 26
Citaciones: Sin citaciones
En este documento, proponemos un modelo de regresión lineal en el cual el término de error sigue una distribución log-gamma-normal (LGN). La suposición de la distribución LGN brinda flexibilidad para acomodar formas sesgadas a la izquierda y a la derecha. La kurtosis mayor o menor que el modelo normal también puede ser acomodada. También se considera el modelo de regresión para datos asimétricos censurados (modelo LGN censurado). La estimación de parámetros se realiza utilizando el enfoque de máxima verosimilitud y se lleva a cabo un pequeño estudio de simulación para evaluar la recuperación de parámetros. La principal conclusión es que el enfoque es muy satisfactorio para tamaños de muestra moderados y grandes. Se proporcionan resultados de dos aplicaciones del modelo propuesto a conjuntos de datos reales con fines ilustrativos.
Descripción
En este documento, proponemos un modelo de regresión lineal en el cual el término de error sigue una distribución log-gamma-normal (LGN). La suposición de la distribución LGN brinda flexibilidad para acomodar formas sesgadas a la izquierda y a la derecha. La kurtosis mayor o menor que el modelo normal también puede ser acomodada. También se considera el modelo de regresión para datos asimétricos censurados (modelo LGN censurado). La estimación de parámetros se realiza utilizando el enfoque de máxima verosimilitud y se lleva a cabo un pequeño estudio de simulación para evaluar la recuperación de parámetros. La principal conclusión es que el enfoque es muy satisfactorio para tamaños de muestra moderados y grandes. Se proporcionan resultados de dos aplicaciones del modelo propuesto a conjuntos de datos reales con fines ilustrativos.